Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "fuzzy classifier" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-13 z 13
    Tytuł:
    Badanie klasyfikatora rozmytego z wykorzystaniem entropii rozmytej
    Study of fuzzy classifier based on fuzzy entropy
    Autorzy:
    Sosnowski, Z. A.
    Powiązania:
    https://bibliotekanauki.pl/articles/404093.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Symulacji Komputerowej
    Tematy:
    klasyfikator rozmyty
    rozmyta entropia
    fuzzy classifier
    fuzzy entropy
    Opis:
    W pracy przedstawiono architekturę klasyfikatora rozmytego opartego na entropii rozmytej oraz zbadano jego wydajność na standardowych zestawach danych: Iris i Wisconsin breast cancer. Wyniki symulacji pokazują, że przedstawiony klasyfikator daje zadawalające wskaźniki klasyfikacji.
    In this paper, we present the architecture of fuzzy classifier based on fuzzy entropy and examine its performance on Iris and Wisconsin breast cancer data sets. Simulation results show that the presented classifier has a satisfactory classification rate.
    Źródło:
    Symulacja w Badaniach i Rozwoju; 2012, 3, 2; 99-106
    2081-6154
    Pojawia się w:
    Symulacja w Badaniach i Rozwoju
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnostics of synchronous motor based on sound recognition with application of Linear Predictive Cepstrum Coefficients and fuzzy classifier
    Autorzy:
    Głowacz, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/92999.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
    Tematy:
    sound recognition
    processing
    classification
    diagnostics
    fuzzy classifier
    Opis:
    This document provides the concept of investigations of acoustic signals of imminent failure conditions of synchronous motor. Measurements were made by recorder OLYMPUS WS-200S. Sound recognition software has been implemented. Algorithms of signal processing and analysis have been used. The system is based on the LPCC algorithm and fuzzy classifier with triangular membership function. Results confirm the correct operation of the system of sound recognition of synchronous motor.
    Źródło:
    Studia Informatica : systems and information technology; 2009, 2(13); 63-72
    1731-2264
    Pojawia się w:
    Studia Informatica : systems and information technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automated Characterization of Atheromatous Plaque in Intravascular Ultrasound Images Using Neuro Fuzzy Classifier
    Autorzy:
    Selvathi, D.
    Emimal, N.
    Selvaraj, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/226334.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    Intravascular Ultrasound
    atheromatous plaque
    pixel intensity
    euro fuzzy classifier
    Opis:
    The medical imaging field has grown significantly in recent years and demands high accuracy since it deals with human life. The idea is to reduce human error as much as possible by assisting physicians and radiologists with some automatic techniques. The use of artificial intelligent techniques has shown great potential in this field. Hence, in this paper the neuro fuzzy classifier is applied for the automated characterization of atheromatous plaque to identify the fibrotic, lipidic and calcified tissues in Intravascular Ultrasound images (IVUS) which is designed using sixteen inputs, corresponds to sixteen pixels of instantaneous scanning matrix, one output that tells whether the pixel under consideration is Fibrotic, Lipidic, Calcified or Normal pixel. The classification performance was evaluated in terms of sensitivity, specificity and accuracy and the results confirmed that the proposed system has potential in detecting the respective plaque with the average accuracy of 98.9%.
    Źródło:
    International Journal of Electronics and Telecommunications; 2012, 58, 4; 425-431
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On choosing the fuzziness parameter for identifying TS models with multidimensional membership functions
    Autorzy:
    Kroll, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/91761.pdf
    Data publikacji:
    2011
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    fuzzy clustering
    structure/fuzzy partitioning
    Takagi-Sugeno fuzzy models
    TS fuzzy models
    fuzziness parameter m
    fuzzy classifier
    Opis:
    Fuzzy clustering is a well-established method for identifying the structure/fuzzy partitioning of Takagi-Sugeno (TS) fuzzy models. The clustering algorithms require choosing the fuzziness parameter m. Prior work in the area of pattern recognition shows, that a suitable choice of m is application- dependent. Yet, the default of m=2 is commonly chosen. This paper examines the suitable choice of m for identifying TS models. The focus is on models that use the classifiers resulting from fuzzy clustering as multi-dimensional membership functions or their projection and approximation. At first, the differentiability and grouping properties of the fuzzy classifiers are analyzed to make a general recommendation of choosing m(1;3). Besides, the effect of the cluster number c on the classification fuzziness is examined. Finally, requirements that are specific to TS modeling are introduced, which narrow down the suitable range for m. Building on algorithm analysis and four case studies (function approximation, a vehicle engine and an axial compressor application for nonlinear regression), it is demonstrated that choosing m2(1;1.3) for local and m2(1;1.5) for global estimation will typically provide for good results.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2011, 1, 4; 283-300
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrid neuro-fuzzy classifier based on NEFCLASS model
    Hybrydowy neuronowo-rozmyty klasyfikator oparty na modelu NEFCLASS
    Autorzy:
    Gliwa, B.
    Byrski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/305407.pdf
    Data publikacji:
    2011
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    klasyfikatory neuronowo-rozmyte
    NEFCLASS
    sieci neuronowe
    systemy rozmyte
    neuro-fuzzy classifier
    neural networks
    fuzzy systems
    Opis:
    The paper presents hybrid neuro-fuzzy classifier, based on NEFCLASS model, which was modified. The presented classifier was compared to popular classifiers - neural networks and k-nearest neighbours. Efficiency of modifications in classifier was compared with methods used in original model NEFCLASS (learning methods). Accuracy of classifier was tested using 3 datasets from UCI Machine Learning Repository: iris, wine and breast cancer wis-consin. Moreover, influence of ensemble classification methods on classification accuracy was presented.
    Artykuł przedstawia zasadę działania oraz wyniki badań eksperymentalnych klasyfikatora opartego na hybrydzie sieci neuronowej z logiką rozmytą, bazujący na modelu NEFCLASS. Prezentacja struktury i działania klasyfikatora została zilustrowana wynikami eksperymentów porównawczych przeprowadzonych dla popularnych klasyfikatorów, takich jak perceptron wielowarstwowy k najbliższych sąsiadów. Skuteczność wprowadzonych modyfikacji do klasyfikatora została porównana z metodami używanymi w oryginalnym modelu NEFCLASS (metody uczenia). Jako dane benchmarkowe posłużyły wybrane bazy danych z UCI Machine Learning Repository (iris, wine, breast cancer wisconsin). Zaprezentowano również wpływ użycia metod klasyfikacji zbiorczej na efektywność klasyfikacji.
    Źródło:
    Computer Science; 2011, 12; 115-135
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Reguły decyzyjne z rozmytą granulacją wiedzy
    Decision rules with fuzzy granulation of knowledge
    Autorzy:
    Sosnowski, Z. A.
    Powiązania:
    https://bibliotekanauki.pl/articles/404232.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Symulacji Komputerowej
    Tematy:
    klasyfikator rozmyty
    rozmyte drzewa decyzyjne
    rozmyte grupowanie kontekstowe
    fuzzy classifier
    fuzzy decision trees
    context based FCM
    Opis:
    W pracy przedstawiono architekturę klasyfikatora rozmytego opartego na klastrowo-kontekstowych rozmytych drzewach decyzyjnych oraz zbadano jego wydajność na standardowych zestawach danych: Dermatology i Housing Data Sets. Wyniki symulacji pokazują, że przedstawiony klasyfikator daje zadowalające wskaźniki klasyfikacji.
    In this paper, we present the architecture of fuzzy classifier based on context fuzzy cluster-oriented decision trees and examine its performance on Dermatology and Housing data sets. Simulation results show that the presented classifier has a satisfactory classification rate.
    Źródło:
    Symulacja w Badaniach i Rozwoju; 2012, 3, 4; 225-232
    2081-6154
    Pojawia się w:
    Symulacja w Badaniach i Rozwoju
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A class of neuro-computational methods for assamese fricative classification
    Autorzy:
    Patgiri, C.
    Sarma, M.
    Sarma, K. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/91763.pdf
    Data publikacji:
    2015
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    neuro-computational classifier
    fricative phonemes
    Assamese language
    Recurrent Neural Network
    RNN
    neuro fuzzy classifier
    linear prediction cepstral coefficients
    LPCC
    self-organizing map
    SOM
    adaptive neuro-fuzzy inference system
    ANFIS
    klasyfikator neuronowy
    klasyfikator neuronowo rozmyty
    sieć Kohonena
    Opis:
    In this work, a class of neuro-computational classifiers are used for classification of fricative phonemes of Assamese language. Initially, a Recurrent Neural Network (RNN) based classifier is used for classification. Later, another neuro fuzzy classifier is used for classification. We have used two different feature sets for the work, one using the specific acoustic-phonetic characteristics and another temporal attributes using linear prediction cepstral coefficients (LPCC) and a Self Organizing Map (SOM). Here, we present the experimental details and performance difference obtained by replacing the RNN based classifier with an adaptive neuro fuzzy inference system (ANFIS) based block for both the feature sets to recognize Assamese fricative sounds.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2015, 5, 1; 59-70
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Coupled fuzzy logic and experimental design application for simulation of a coal classifier in an industrial environment
    Autorzy:
    Khoshdast, Hamid
    Soflaeian, Ali
    Shojaei, Vahideh
    Powiązania:
    https://bibliotekanauki.pl/articles/109838.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    combined modeling
    fuzzy logic
    experimental design
    coal classifier
    industry
    Opis:
    Design of experiments (DOE) is an effective method providing useful information about the interaction of operating variables and the way the total system works by using statistical analyses. However, its industrial application is limited because it is almost difficult to maintain variables in DOE matrix at desired constant levels in industrial environment. Thus, this paper aims to present a new mixed modeling method which is a combination of fuzzy logic and design of experiments methods to overcome such practical limitations. The method first uses a fuzzy model which is trained by practical data gathered from industry to predict DOE response corresponding to each run in DOE matrix. Then, a statistical parametric model is constructed for the prediction of process response to any change of operating parameters under real industrial conditions. The proposed mixed method was successfully validated by using data obtained from a coal hydraulic classifier at Zarand Coal Washing Plant (Kerman, Iran). The method also seems to be a promising tool for modeling all devices and processes in real industrial environment and allows researchers to benefit from all the advantages of experimental design and fuzzy logic methods simultaneously.
    Źródło:
    Physicochemical Problems of Mineral Processing; 2019, 55, 2; 504-515
    1643-1049
    2084-4735
    Pojawia się w:
    Physicochemical Problems of Mineral Processing
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Pattern recognition of sacroileitis with the use of multistage logic with a fuzzy loss function
    Autorzy:
    Burduk, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/1965805.pdf
    Data publikacji:
    2004
    Wydawca:
    Politechnika Gdańska
    Tematy:
    multistage classifier
    sacroiletis
    fuzzy loss function
    k-nearest neighbor method
    Opis:
    The article describes the problem of pattern recognition of sacroileitis. Classification is based on a scheme of multistage recognition with a fuzzy loss function dependent on the node of the decision tree. Decision rules are based on k-nearest neighbors at particular internal nodes of the decision-tree. Paper presents influence of comparison fuzzy numbers on classifications results.
    Źródło:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2004, 8, 2; 217-221
    1428-6394
    Pojawia się w:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A Fuzzy If-Then Rule-Based Nonlinear Classifier
    Autorzy:
    Łęski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/908190.pdf
    Data publikacji:
    2003
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    informatyka
    classifier design
    fuzzy if-then rules
    generalization control
    mixture of experts
    Opis:
    This paper introduces a new classifier design method that is based on a modification of the classical Ho-Kashyap procedure. The proposed method uses the absolute error, rather than the squared error, to design a linear classifier. Additionally, easy control of the generalization ability and robustness to outliers are obtained. Next, an extension to a nonlinear classifier by the mixture-of-experts technique is presented. Each expert is represented by a fuzzy if-then rule in the Takagi-Sugeno-Kang form. Finally, examples are given to demonstrate the validity of the introduced method.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2003, 13, 2; 215-223
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An approach to unsupervised classification
    Autorzy:
    Przybyła, T.
    Pander, T.
    Horoba, K.
    Kupka, T.
    Matonia, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/333363.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    klasyfikacja
    grupowanie rozmyte
    klasyfikacja nienadzorowana
    klasyfikator najbliższych sąsiadów
    classification
    fuzzy clustering
    unsupervised classification
    nearest neighbour classifier
    Opis:
    Classification methods can be divided into supervised and unsupervised methods. The supervised classifier requires a training set for the classifier parameter estimation. In the case of absence of a training set, the popular classifiers (e.g. K-Nearest Neighbors) can not be used. The clustering methods are considered as unsupervised classification methods. This paper presents an idea of the unsupervised classification with the popular classifiers. The fuzzy clustering method is used to create a learning set. The learning set includes only these patterns that are the best representative of each class in the input dataset. The numerical experiment uses an artificial dataset as well as the medical datasets (PIMA, Wisconsin Breast Cancer) and illustrates the usefulness of the proposed method.
    Źródło:
    Journal of Medical Informatics & Technologies; 2011, 17; 105-111
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estimation of significance of AlkB and AlkA proteins in DNA repair in Escherichia coli model
    Autorzy:
    Sokołowska, B.
    Maciejewska, A. M.
    Jóźwik, A.
    Kuśmierek, J. T.
    Powiązania:
    https://bibliotekanauki.pl/articles/333316.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    rozpoznawanie obrazów
    klasyfikator najbliższych sąsiadów
    analiza cech pracy odbiornika
    naprawa DNA
    adaptacyjna odpowiedź
    powstawanie mutacji
    bakterie e.coli
    pattern recognition
    fuzzy k-NN classifier
    ROC analysis
    DNA repair
    adaptive response
    mutagenesis
    AlkB dioxygenase
    AlkA glycosylase
    E.coli
    Opis:
    The paper concerns estimation of significance of differences of mutagenesis level between the wild-type strain (wt) and its derivatives which differ in DNA repair ability, namely alkA and alkB strain, devoided AlkA glycosylase and AlkB dioxygenase activity, respectively. The strains were analyzed for their ability to repair 1,N6-ethenoadenine (εA) - chloroacetaldehyde adduct to DNA. The analysis was done using classical statistical and pattern recognition methods. The obtained results confirmed that AlkB dioxygenase plays the most important role in εA repair in E. coli in the experimental modeling.
    Źródło:
    Journal of Medical Informatics & Technologies; 2011, 17; 321-326
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Membership function - ARTMAP neural networks
    Autorzy:
    Sinčák, P.
    Hric, M.
    Vaščák, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/1931570.pdf
    Data publikacji:
    2003
    Wydawca:
    Politechnika Gdańska
    Tematy:
    pattern recognition principles
    classifier design
    classification accuracy assessment
    contingency tables
    backpropagation neural networks
    fuzzy BP neural networks
    ART and ARTMAP neural networks
    modular neural networks
    neural networks
    Opis:
    The project deals with the application of computational intelligence (CI) tools for multispectral image classification. Pattern Recognition scheme is a global approach where the classification part is playing an important role to achieve the highest classification accuracy. Multispectral images are data mainly used in remote sensing and this kind of classification is very difficult to assess the accuracy of classification results. There is a feedback problem in adjusting the parts of pattern recognition scheme. Precise classification accuracy assessment is almost impossible to obtain, being an extremely laborious procedure. The paper presents simple neural networks for multispectral image classification, ARTMAP-like neural networks as more sophisticated tools for classification, and a modular approach to achieve the highest classification accuracy of multispectral images. There is a strong link to advances in computer technology, which gives much better conditions for modelling more sophisticated classifiers for multispectral images.
    Źródło:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2003, 7, 1; 43-52
    1428-6394
    Pojawia się w:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-13 z 13

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies